[發明專利]一種基于CT圖像的靜動脈分離方法及裝置

在審

• 申請號: 201911320101.6
• 申請日: 2019-12-19
• 公開（公告）號: CN111028248A
• 公開（公告）日: 2020-04-17
• 發明（設計）人: 姜志強;程國華;何林陽;季紅麗
• 申請（專利權）人: 杭州健培科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/194
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于CT圖像的靜動脈分離方法，其特征在于，包括：

使用預設的三維肺分割模型對胸部CT圖像進行肺部區域分割，得到肺部區域的三維掩模mask；

對所述肺mask做凸包操作，并根據所述凸包后的肺mask取肺部區域，并將所述肺外區域像素值置為0，且根據所述肺mask得到最大肺外接包圍框；

利用預設的無下采樣三維空洞卷積神經網絡在所述肺外接包圍框內對所述肺分割后的CT圖像進行靜動脈分離，得到靜動脈mask。

2.根據權利要求1所述，其特征在于，所述三維肺分割模型可以為基于深度學習的三維分割模型。

3.根據權利要求1所述，其特征在于，對所述肺mask做凸包操作，包括：

將三維mask轉換為多張二維mask；然后，對每張二維mask做凸包；最后按照順序，將多張二維mask組成三維mask。

4.根據權利要求1所述，其特征在于，所述預設的無下采樣三維空洞卷積神經網絡的網絡參數通過訓練得到，其中訓練數據由經驗豐富的專業醫生標注得到，訓練數據為3維數據塊。

5.根據權利要求1所述，其特征在于，所述無下采樣三維空洞卷積神經網絡由三維空洞卷積3D Atrous Convolution模塊和三維卷積模塊組成，包括：

整個網絡從輸入到輸出無下采樣操作、不進行池化操作，即每個層的特征圖大小和網絡輸入數據大小一致，從而保留分割所需的細節信息；

網絡的中間層通過多個空洞卷積連接獲得靜動脈分離所需的上下文全局信息；

網絡的低層特征和高層特征通過堆疊concat或相加add進行連接，來獲得靜動脈分離所需的細節信息；

網絡的最后一層為Softmax激活輸出層。

6.根據權利要求1所述，其特征在于，進行靜動脈分離需要對CT圖像進行切塊然后預測，包括：

將三維CT圖像矩陣切成m×n×k的立方塊，然后利用所述無下采樣三維空洞卷積神經網絡將切塊分割成背景、靜脈和動脈三類，即靜動脈分離，最后將所有立方塊的分割結果組合成最后的分割結果，得到靜動脈分離。

7.一種基于CT圖像的靜動脈分離裝置，其特征在于，包括：

肺分割模塊，使用預設的三維肺分割模型對胸部CT圖像進行肺部區域分割，得到肺部區域的三維掩模mask；

肺部區域處理模塊，對所述肺mask做凸包操作，并根據所述凸包后的肺mask取肺部區域，并將所述肺外區域像素值置為0，且根據所述肺mask得到最大肺外接包圍框；

靜動脈分離模塊，利用預設的無下采樣三維空洞卷積神經網絡在所述肺外接包圍框內對所述肺分割后的CT圖像進行靜動脈分離，得到靜動脈mask。

8.一種計算設備，其特征在于，包括：

存儲器，用于存儲程序指令；

處理器，用于調用所述存儲器中存儲的程序指令，按照獲得的程序執行權利要求1至6任一項所述的方法。

9.一種計算機可讀非易失性存儲介質，其特征在于，包括計算機可讀指令，當計算機讀取并執行所述計算機可讀指令時，使得計算機執行如權利要求1至6任一項所述的方法。